基于小波变换的图像边缘检测算法

目的提出一种边缘检测改进算法，提高边缘检测精确性．方法从小波变换入手，将图像进行多尺度分解，在各个尺度下对图像各个高频的细节进行加权处理，然后对处理后的图像进行Laplacian边缘检测．结果噪声得到抑制，边缘定位精确度上升，识别率提高．结论理论和试验结果分析表明，在边缘精度、强弱边缘提取和噪声抑制方面，该算法是有效的．     

一种改进的基于小波相关性的边缘检测

给出一种改进的基于小波相关性的边缘检测算法。依据多尺度小波相关去噪,对图像在不同尺度上做小波变换,进而对小波系数做区域相关处理,得到图像边缘的区域相关图像,最后做阈值处理,去除小波残留噪声的噪声小波系数。仿真结果表明,改进方法可以得到更多的边缘细节,边缘定位更加准确。     

基于小波分析的图像边缘检测

介绍了图像边缘检测的一些传统算法和小波分析方法用于边缘检测的基本原理,给出了利用小波变换进行边缘检测的方法,通过与传统的图像边缘检测算法对比,显示了小波分析的多尺度算子在抗噪声和保留图像边缘的能力上有比较好的效果．     

基于方向信息的多尺度边缘检测方法

对噪声图像进行不同方向的滤波，根据方向滤波的信息，定义了方向信息测度作为判定噪声点与边缘点的度量．使用了二次Ｂ样条小波进行边缘检测，根据方向信息测度调整边缘检测中的滤波尺度，实现了多尺度边缘检测的自适应尺度调整．最后给出了实验比较结果，表明该方法对于方向特征明显的一类图像是比较有效的     

二阶B样条小波在车牌定位中的应用

构造出具有最小支集特性的二阶B样条小波来检测汽车图像边缘，边缘图像是由小波变换后的模局部极大值构成，这样得到的边缘图像不但含有边缘的模值信息，还可以求得相应的相角信息，该算法根据实际情况，通过调整多分辨率分析尺度的大小来获得相对清晰的边缘图像，同时又很好地抑制了噪声，通过对试验结果的分析可以得出：根据此算法得到的边缘图像来定位车牌比用传统的Sobel算法更准确、更精确。     

Directionlet域的多波段遥感图像融合算法研究

提出一种有效的基于Directionlet变换的多波段遥感图像融合算法。Directionlet变换是一种新的基于格子的歪斜多尺度多方向各向异性小波变换工具,具有更高的逼近精度和更好的稀疏表达能力的图像分解变换,与小波变换相比,抑制了小波变换在图像边缘方向表示的固有局限性。首先采用具有多尺度、多方向特点的Directionlet变换对多波段遥感图像进行分解。对于低频系数采用平均融合算法,方向高频系数采用区域边缘检测实现多波段遥感图像的融合处理。实验结果表明,提出的算法与传统融合算法相比不仅原始图像的边缘和纹理信息可保留,而且可获得更好的融合视觉效果。     

结合空域噪声信息的小波脊提取算法

小波变换轮廓术的实质是计算小波脊的位置,进而得到最佳伸缩尺度和相位信息。但小波脊的提取易受噪声的影响,从而造成小波脊提取不准确。针对此问题,提出了一种新的代价函数提取小波脊的算法。该算法利用小波变换系数幅值和尺度参数曲线梯度信息建立代价函数;使用Feature Scaling方法对小波变换系数幅值和尺度参数曲线梯度进行调整,平衡两项指标的权重;随着噪声增大,小波脊受噪声影响加大,结合空域噪声信息对调整后的尺度参数曲线梯度进行补偿,加大尺度参数曲线梯度权重,使脊线更加光滑。实验表明,该算法具有良好的抗噪能力和鲁棒性,能够较精确地提取小波脊。     

最优小波尺度空间的图像边缘检测方法

根据图像和检测算子的特性,以相关性为准则,使用遗传算法对图像小波变换的尺度进行选择,从而构成一种自适应的高斯小波尺度空间.融合该空间下不同尺度检测的图像边缘,使得整幅图像的边缘细节丰富清晰,具有更好的抗噪性能.对测试图像使用Canny算法、单尺度、二进尺度和自适应尺度小波进行边缘检测,验证了该算法在去除噪声和准确定位方...     

基于区间双正交小波的多尺度边缘提取

对区间双正交小波所具有的多尺度边缘提取能力进行了理论分析，用消失矩N=N^-=3的[0，1]区间上的双正交滤波器对图像进行了小波变换，提出了沿幅角方向确定局部极大值的小波边缘检测算法．仿真结果表明，区间双正交小波比Daubechies正交小波和双正交小波更适宜图像的边缘检测．     

二阶B样条小波在车牌定位中的应用

构造出具有最小支集特性的二阶B样条小波来检测汽车图像边缘 ,边缘图像是由小波变换后的模局部极大值构成 ,这样得到的边缘图像不但含有边缘的模值信息 ,还可以求得相应的相角信息 .该算法根据实际情况 ,通过调整多分辨率分析尺度的大小来获得相对清晰的边缘图像 ,同时又很好地抑制了噪声 .通过对试验结果的分析可以得出 :根据此算法得到的边缘图像来定位车牌比用传统的Sobel算法更准确、更精确     

基于Curvelet和Wavelet结合的SAR图像降噪方法

提出一种新型的曲波和小波的结合降噪方法,可有效降低合成孔径雷达(SAR)图像的斑点噪声,同时更好的保持图像边缘信息。采用16个方向检测模版扫描图像,根据检测规则区分边缘区域和均匀区域,同时标记图像边缘区域。分别使用改进软阈值的曲波降噪方法和小波降噪方法处理SAR图像的边缘区域和均匀区域。最后组合2种降噪结果,生成完整降噪图像。作者提出的结合方法和目前已经提出两种结合算法(联合滤波算法、自适应结合算法)相比,在灰度均值比、等效视数等指标上都有一定提升。实验结果表明,新方法既能更有效去除SAR图像斑点噪声,又能更好地保持图像边缘信息。     

基于ROEWA和Gabor滤波的SAR图像边缘提取

针对合成孔径雷达(SAR)图像特有的乘性噪声和非恒虚警统计特性很难正确提取目标边缘的问题,提出了在指数加权均值比(ROEWA)算子基础上寻找自适应的最佳局域Gabor滤波器进行目标边缘提取的方法。利用Gabor滤波器具有的多方向特性确定边缘方向,然后用最大似然估计纠正错误边缘方向,重新结合视觉细胞倍频程计算出Gabor函数的最佳局域滤波参数,提取出SAR图像的正确边缘。实验表明,该方法取得很好边缘提取效果,并且后期分割出的目标更符合实际目标形态,具有较强的通用性。 更多还原     

基于小波变换的SAR图像边缘提取新方法研究

由于SAR图像含有相干斑噪声，使得常规方法应用于SAR图像边缘检测时遇到了较大的困难，提出了一种新的SAR图像边缘提取方法，该方法首先用基于结构信息的统计滤波方法对SAR图像进行滤波，然后利用小波变换具有多分辨分析的特性，并结合模糊中值滤波、阈值化处理及微分梯度算子对SAR图像进行边缘提取。实验结果表明了该方法是一种有效的对SAR图像进行边缘提取的方法。     

结合邻域信息粒子群聚类用于SAR图像变化检测

SAR图像变化检测可以转化为对差异图的聚类问题。由于 SAR 图像本身容易受到斑点噪声干扰,为提高聚类效果提出了一种结合邻域信息的自适应粒子群聚类算法。该方法在模糊 C 均值原目标函数基础上,引入中心像素的邻域信息,并通过自适应粒子群的全局搜索来优化聚类中心。该方法还引入了自学习算子即粒子编码中的中心像素的隶属度,能够向其相邻像素的隶属度学习,并据此修正自身的隶属度值相关。实验结果表明,与模糊C均值和量子免疫克隆聚类算法相比,该方法利用了像素的邻域信息,从而增强了抗噪性能。与模糊局部信息C均值算法相比,该方法对图像细节保持能力较强,运行时间也较少。     

基于非采样高斯差分金字塔的多尺度融合边缘检测

针对传统边缘检测算法抗噪性差、边缘连续度低、细节边缘冗余,对运动目标检测应用领域的适用性差等缺点,论文基于图像多尺度的思想,结合小尺度图像边缘信息准确,大尺度图像抗噪性强、边缘冗余度低的优点,提出一种基于非采样高斯差分金字塔的多尺度融合边缘检测算法。算法首先对图像进行非采样高斯金字塔分解得到多尺度图像,同时在分解过程实现基于高斯差分算子的边缘检测,得到多尺度边缘图像。最后采用多尺度图像边缘融合策略实现多尺度边缘融合。论文通过实验对算法的有效性进行验证：通过对边缘融合结果进行Abdou-Pratt品质因数分析,表明该算法抗噪性强,边缘定位准确;连续度分析结果表明该算法在降低边缘冗余度的同时保留了主要边缘,且边缘连续度较高;车辆检测实验结果表明基于该算法得到的车辆检测结果准确度较高。     

融合改进形态学和LOG算子的齿轮边缘检测

针对传统边缘检测算法在提取含噪齿轮边缘过程中,存在难以有效抑制噪声和边缘不连续不清晰的问题,提出了一种融合改进数学形态学和高斯拉普拉斯（LOG）算子的齿轮边缘检测算法。首先,用改进的数学形态学边缘检测算法和改进的LOG边缘检测算法分别对原图像进行边缘检测,得到两幅边缘检测图像。其次,对两幅图像进行4层小波分解且对得到的高、低频信息赋予一定的融合规则进行融合处理。最后,利用小波逆变换重构融合图像。实验结果表明,对比单一使用LOG算子和数学形态学算法,该算法不仅能更好抑制噪声还能得到更加清晰的图像边缘。     

Road network extraction in classified SAR images using genetic algorithm

Due to the complicated background of objectives and speckle noise, it is almost impossible to extract roads directly from original synthetic aperture radar(SAR) images. A method is proposed for extraction of road net-work from high-resolution SAR image. Firstly, fuzzy C means is used to classify the filtered SAR image unsupervis-edly, and the road pixels are isolated from the image to simplify the extraction of road network. Secondly, according to the features of roads and the membership of pixels to roads, a road model is constructed, which can reduce the extraction of road network to searching globally optimization continuous curves which pass some seed points. Final-ly, regarding the curves as individuals and coding a chromosome using integer code of variance relative to coordi-nates, the genetic operations are used to search global optimization roads. The experimental results show that the al-gorithm can effectively extract road network from high-resolution SAR images.     

一种SAR图像相干斑噪声抑制新算法

为抑制合成孔径雷达(SAR)图像乘性相干斑噪声,同时有效保护SAR图像的边缘特征,给出了相干斑噪声在小波域的一种加性转换噪声模型．并以此模型为基础,提出了一种非下采样小波包分解下自蛇扩散与改进L1-L2联合优化相结合的相干斑噪声抑制新算法．该算法利用非下采样小波包变换对SAR图像进行多层子带分解,然后对低通子带系数进行自蛇扩散滤波,并将滤波处理后的系数作为原SAR图像在小波域的局部均值估计,再以此局部均值为基础,利用改进的L1-L2联合优化对其他各高频子带系数进行自适应软阈值收缩滤波去噪．最后通过重构滤波后的各子带系数实现SAR图像相干斑噪声抑制．实验表明: 与经典的空域Kuan滤波算法、P-M扩散滤波算法及基于非下采样小波变换的Γ-WMAP算法相比,本算法在SAR图像的相干斑噪声抑制与边缘保护方面均取得了较好的效果．     

Development of Automatic Extraction Weld for Industrial Radiographic Negative Inspection

In industrial X-ray inspection, in order to identify weld defects automatically, raise the identification ratio, and avoid processing of complex background, it is an important step for sequent processing to extract weld from the image. According to the characteristics of weld radiograph image, median filter is adopted to reduce the noise with high frequency, then relative gray-scale of image is chosen as fuzzy characteristic, and image gray-scale fuzzy matrix is constructed and suitable membership function is selected to describe edge characteristic. A fuzzy algorithm is adopted for enhancing radiograph image processing. Based on the in tensity distribution characteristic in weld, methodology of weld extraction is then designed. This paper describes the methodology of all the weld extraction, including reducing noise, fuzzy enhancement and weld extraction process. To prove its effectiveness,this methodology was tested with 64 weld negative images available for this study. The experimental results show that this methodoloJzv is very effective for extracting linear weld.